AIの導入によって生まれる「6つの心理的負債」とは何かモチベーションの低下や静かな退職につながる

Illustration by Erik Carter

サマリー：AI投資の費用対効果が疑問視される中、AI導入が従業員の心理に与えるネガティブな影響に注目が集まっている。無計画なAI導入は、6つの側面で「心理的負債」をもたらし、モチベーションの低下や静かな退職を引き起こすおそれがある。本稿では、1200人以上の調査から判明した心理的負債の実態と、これらを軽減しAI導入を成功に導くための具体的な事例を紹介する。

AIが従業員の心理に与えるネガティブな影響

　AIを導入する企業の多くは、効率性や生産性の向上に注目している。これはAI企業が強調しているメリットでもある。しかし、その焦点の当て方は間違っているかもしれない。AIが従業員のモチベーションにネガティブな影響を及ぼしうるという証拠が増えているのだ。結果としてAIのメリットが相殺され、すでに疑問や批判にさらされているAI投資のROI（投資利益率）そのものが、さらに厳しく検証されるおそれがある。

　リーダーは、AIの利用がどのように従業員のモチベーションを低下させ、協働やイノベーションを阻害し、ストレスや燃え尽き症候群（バーンアウト）を悪化させるのかを理解する必要がある。こうした要因はすべて、組織のAI導入を成功させるうえで深刻な障壁となりうる。ただし、企業が導入戦略において、AIがもたらす心理的負担を考慮に入れれば、こうした悪影響を大幅に軽減することができる。先進的なAI導入企業の中には、それをすでに実現している例もある。

　心理的負債がAI導入にどのような影響を与えるかを探るために、筆者は米国と英国のフルタイム従業員1200人以上を対象に調査を実施した。リーダーが理解すべきポイントは次の通りだ。

心理的負債とその要因

　職場でAIを無計画に利用することは、さまざまな形で心理的な悪影響を及ぼす可能性があり、組織にとって重要なモチベーションや行動に影響が広がりうる。こうしたことは、近年のAI導入に関する学術研究や、職場のモチベーションの要因に注目したAI導入以前の研究でも確認されている。特に顕著と考えられるのが、「心理的負債」と呼ばれる6つの側面である。

人生の行き先を決めるのに、早すぎることはない

キャリア

Read now

認知的負債

　構造化されていないAI利用がもたらす心理的な悪影響として、最もよく取り上げられるのは、認知処理能力や意思決定能力が低下する可能性だろう。たとえば、難しいタスクをAIに委ねる傾向（認知的オフローディング）が強まることで、問題に対する人間の理解が浅くなり、解決策への当事者意識が低下することは、研究で示されている通りだ。こうした喪失は時間とともに積み重なり、認知的負債は増大する。

自律性負債

　これは、AIによって、自分がどのように働くかを自分がコントロールする力が失われているという感覚を指す。自律性はモチベーションの重要な源泉とされている。しかし、AIによる最適化をめぐる議論の多くはワークフローの再設計に焦点を当てており、それが従業員にとって何を意味するかについては、ほとんど考慮されていない。最近の研究によると、経営幹部がチームにAIの利用を熱心に促していても、AI導入において生産性や技術的な専門性ばかりを重視すると、従業員はAIを自律性の喪失や代替と結びつけ、「静かな退職」や精神的な疲弊感につながることが示されている。

コンピテンシー負債

　コンピテンシーとは、専門性を発揮したり高めたりする機会となる仕事に、私たちが自然と引き寄せられる傾向を指す。AIの文脈において「コンピテンシー負債」とは、AIを使えば使うほど自分の能力が低下するのではないかと感じることだ。本来なら数時間、あるいは数日かかる複雑なタスクが、いまでは数秒で完了し、自分だけで仕上げた成果物では得られないような明快さや完成度を、瞬時に与えてくれる。自分の能力について自信が持てなくなるほど、人はAIへの依存を深めやすくなり、この問題はさらに深刻化する。

マイクロソフトCEOサティア・ナデラが仕事の未来を語る

イノベーション

Read now

信頼性負債

　最近の研究では、AIを使うことで、従業員が同僚の前で自分の信頼性が損なわれたように感じることが報告されている。しかも、同僚もそれぞれの業務でAIを使っている場合でさえ、そう感じやすいという。これは人々が自分のAI利用は正当化しながら、他人が同じように使うことには批判的になり、結果として信頼性が損なわれる傾向を示唆している。特にベテランの従業員は、専門的な環境で何十年もかけて信頼を築いてきた可能性があり、こうした信頼性の揺らぎは極めて大きな打撃になるおそれがある。

アイデンティティ負債

　社会的アイデンティティ理論によれば、人は複数の社会的集団に属しており、その時々で自分の行動指針を最も明確に示してくれる集団にアイデンティティを見出す。特定のワークフローにおいてAIの具体的な利用が期待されたり義務づけられたりすると、それが集団への所属を直接侵害し、集団に損害を与えると見なされる場合、職業上の社会的アイデンティティに負債が生じる。

　たとえば、映画、テレビ、マーケティング業界のクリエイティブ職は、人々を惹きつけるアイデアを生み出す能力だけでなく、求められた通りにそれを実現できる能力にも誇りを持っている。これは、その独自の社会的集団の一員であることを定義づける資質である。そんな彼らが、アイデアやクリエイティブな解決策を生み出すためにAIを使うように指示されれば、ほぼ確実にアイデンティティを損なう行為として受け止め、その集団と集団に属する人々の独自性を支える重要な原動力の一つが失われていく。

　これら6つの心理的負債はいずれも、AI統合戦略を推進する組織にさまざまな形で損害をもたらすだろう。従業員のモチベーションを低下させ、協働やイノベーションの取り組みがゆがめられ、ストレスやバーンアウトを増大させるおそれがある。さらに、従業員がこうした心理的負債を避けようとすると、さまざまな対処行動に走りやすく、それが生産性や効率性をさらに低下させ、従業員のトレーニング予算の増額が必要になるかもしれない。

心理的負債はAI導入にどのような影響を与えるのか

　心理的負債がAI導入にどのような影響を及ぼすかを理解するため、筆者は、米国と英国で10業種に属する組織で働く1200人以上のフルタイム従業員を対象に調査を行った。これは筆者がディレクターを務めるメルトウォーター・コンサルティングで、AI導入に関する調査レポートを作成する一環として実施したものである。

　まず、従業員が報告した3つの重要なAI関連行動のレベルを測定した。すなわち、職務におけるAI利用の頻度、AIを使ったタスクの複雑さ（単純な下書き作成から戦略的なユースケースまで）、そしてAI回避行動のレベル（AIを使えば成果が向上すると理解しているが、特定のタスクであえて使わないこと）である。

　次に、一連の記述文に対する同意のレベルをもとに心理的負債のレベルを測定し、0～100の数値に変換した（スコアが高いほど、報告された心理的負債のレベルが高いことを示す）。これにより、心理的負債の全体的なレベルだけでなく、それぞれの要素のレベルと、それらがAI導入行動にどのような影響を与えているか、そして、業種、職務、役職によってどのように異なるかを分析できるようになった。

　その結果、心理的負債レベルの高さは、以下の点と強く関連していることがわかった。

AIの使い方

　AIをほとんど使わないと回答した人の心理的負債スコアは60だったのに対し、1日に複数回利用する人は36と、ほぼ半分だった。さらに、単純なタスクにのみ使う人は46、職務において複雑で戦略的なタスクに使っている人は35だった。より詳細に見ると、職業上の社会的アイデンティティの負債は、AIを使うタスクの複雑さ（アイデンティティの負債が小さいほど、より複雑なタスクにAIを使う傾向が高い）およびAI回避行動（アイデンティティの負債が大きいほど、AIを避ける傾向が強まる）と強く関連していた。

　同様のパターンは関連性負債にも見られた。関連性の負債の違いは、3つのAI導入行動のすべてにおいて有意な差と結びついていた。すなわち、関連性負債が大きいほど、AIの利用頻度は低く、AIを使うタスクの複雑さは低くなり、AI回避行動は強まる。

キャリアのどの段階にいるか

　キャリアの初期段階（フルタイム勤務5年以内）の人の心理的負債スコアは54で、20年以上の経験を持つ人（40）や、キャリア10～20年の人（44）に比べて有意に高い。特にベテランの従業員ほど、認知的負債と職業上の社会的アイデンティティの負債が低かった。この結果は、キャリアの初期段階にある人ほど、技術的知識を証明する必要性を強く感じていることを示している。しかも、そうした技術的知識はAIによって脅かされやすい。一方、より上級職の人々は、AIの範囲を超えたリーダーシップの能力をすでに証明している。

　興味深いことに、関連性負債（AIを使うことで、同僚やチームの中で疎外されたり、自分の価値が低下したりするリスク）については、若手とシニア層で大きな差は見られなかった。これはシニアマネジャーの間でも、効果的なチームの構築やリーダーシップという自分の役割がAIによって弱まるのではないかという懸念があることを示しているのかもしれない。

　調査では、従業員が自分の仕事にとって、AIがどの程度関連性を持つと認識しているかについても測定した。その結果、3分の2以上（70％）の人がAIは自分の仕事に関連していると答え、ほぼ同程度の人が心理的負債のレベルは低いと回答した。ただし、AIが自分の仕事に関連していて、かつ心理的負債が低いと回答した人は41％に留まった。これは回答者の半数以上が、AIを活用するビジネス上の意義をより深く理解できるようにすると同時に、心理的負債のリスクを体系的に低減あるいは排除するトレーニングプログラムから、恩恵を受ける可能性があると示唆している。

　では、企業はどのようにそれを実現できるだろうか。

AI導入に伴う心理的コストをどのように減らすか

　心理的負債を軽減するには、人間のモチベーションや行動の原動力と障壁を踏まえて、人間とAIの関係を設計する必要がある。幸い、人間の行動に関する研究は豊富にあり、これまでに確認されている悪影響を緩和するために応用できるアプローチが示されている。

認知的負債

　認知的負債は、従業員が反射的な行動としてAIに頼る（認知的降伏）のを避けることで、回避あるいは軽減できる。これは従業員にとって大きな誘惑になりうる。短時間で、しかも驚くほど簡単に、十分に妥当と思える成果にたどり着ける近道のように思えるからだ。

　批判的思考を維持する方法の一つは、AIを使うプロセスに意図的な「認知的摩擦」を組み込んで、AIを安易に使えないようにすることだ。たとえば従業員に、AIに頼る前に仮説を立てたり論点を整理したりすることを徹底させれば、高次の認知機能を働かせ続けることができる。グローバルな金融サービス企業のJPモルガンは、AIを意思決定者ではなく「洞察の提供者」として位置づけている。AIが提示する洞察や提案は、従業員自身が導き出した広範な論拠や仮説と整合し、それを裏づけるものであると認識されなければ、有効とは見なされない。

自律性負債

　AIのメリットを既成事実のように押しつけるのではなく、AIがいつ、どのように役に立つのかを従業員自身が判断できるように、必要な情報を提供しながらともに考えることが重要になる。

　オランダの金融グループINGは「実践におけるAI原則」プログラムの一環として、製品チームがAIモデルを導入する前に、人間の判断がどのように維持されるのかを文書化することを義務づけている。その際は、実際にモデルを利用する従業員との議論と協働が求められる。さらに、従業員に対する「説明可能性」の確保にも力を入れている。モデルの仕組みを平易な言葉で説明し、特定の条件下でどのように機能するのかを示すほか、データの出所、モデルの限界、既知のリスクを示した「栄養成分表示」も提供している。こうした取り組みにより、従業員はAIの価値について自分なりの見解や判断を形成できる。

コンピテンシー負債

　AIの台頭によって自分の能力が低下しているという感覚を軽減する方法の一つは、AIを「自分の役割の存続が問われる試金石」ではなく、「自分の役割を支援する存在」として認識できるようにすることだ。これを実現するには、画一的なアプローチは十分ではない。従業員がどのような場面でAIに支援を求めることができるかを、具体的な文脈で理解できるトレーニングが必要になる。

　マイクロソフトはMicrosoft 365 Copilotを採用した最初の大企業として、コンピテンシー負債が生じるリスクに対応するために、草の根型かつピア・ツー・ピアの取り組みとして「Copilot Champs Community」イニシアティブを立ち上げた。これにより従業員は、信頼できるダイナミックな環境の中で、自身の仕事におけるAIの役割の関連性を探求し、理解できるようになった。その過程で、自分の仕事において自分のスキルや能力が果たす役割を見失わないようになった。

信頼性負債

　シャドーAI（正式な承認や監督なしにAIツールやアプリケーションを使用すること）は、信頼性負債の蓄積を避ける試みともいえる。AIを使っていることを誰にも知られなければ、自分の信頼性が損なわれるリスクもないというわけだ。

　一つの解決策は、AIの利用を「影」から引き出して、可視化し、共有し、制度化することである。これにより、AIを支援的に活用する行動を中心とした企業文化を再構築できる可能性が生まれる。フィンテック企業のクラーナ（Klarna）は、自社のAIアシスタント「Kiki」を単なるツールではなく、社内の文化を支える仕組みとして根づかせることに力を入れた。会社によると、2023年6月にKikiを導入してから1年以内に従業員の90％が利用し、従業員からの質問に25万件以上、回答している。

　利用の規模や頻度を共有することは、企業文化における社会的規範として機能し、信頼性の負債を軽減できるだろう。興味深いことに、クラーナのCEOは実験こそが社内の標準的な行動であると強調し、「私たちは全員に、とにかく試して、試して、試して、探求することを強く促している」と述べている。こうした規範を明示することは、試行と探求の主要な手段というKikiの活用をさらに正当化し、ひいては従業員が信頼性の負債を感じるリスクを軽減する。

職業上のアイデンティティ負債

　この種の心理的負債は、AI利用についてアイデンティティと整合性のある明確な規範を確立することで軽減できる。業務のプロセス内でAIを使うタイミングを調整するだけで十分な場合もある。

　たとえば、医療従事者がAI導入に反発してきたことはよく知られている。特に、自分の専門性、診断の正確性、患者ケアの観点から、職業上のアイデンティティが損なわれる可能性を感じるからだ。

　この問題を軽減するために、医療機器メーカーのフィリップスはAIの利用を、アイデンティティを肯定する行動として位置づけようとしている。具体的には、AIによって専門医の診断や予後予測の精度が高まり、業務上のボトルネックが解消されて（自分の専門性を発揮することに集中できるようになる）、がん治療における多職種連携を支援する（専門性がより可視化されて価値が高まる）という点を強調している。AIが価値を発揮できる具体的な行動や場面を特定することで、臨床医としての社会的アイデンティティをさらに高める取り組みも進めている。

＊　＊　＊

　現時点で、AIが職場をどのように変革するかを正確に予測することは不可能だ。しかし、一つ確かなことがある。適切なAIツールを選ぶことと同じくらい、適切な人的インフラを理解し、構築することが重要になるということだ。

　C. エベレット・クープ元米国公衆衛生局長官（医務総監）は、「患者が薬を服用しなければ薬は効かない」と語っている。単純な言葉だが本質を突いている。そして、同じことは生成AIにも言える。どれほど優れたツールでも、従業員が活用しない組織では機能しない。AIから最大の成果を引き出す組織は、導入が単なる技術的課題ではなく、心理的課題でもあると認識している組織なのだ。

"The Psychological Costs of Adopting AI," HBR.org, May 01, 2026.